-
公开(公告)号：CN117371324A
公开(公告)日：2024-01-09
申请号：CN202311394970.X
申请日：2023-10-26
Applicant: 江苏金恒信息科技股份有限公司
IPC: G06F30/27 , G06F18/214 , G06F18/23 , G06F119/02
Abstract: 本发明公开了一种基于机器学习的新钢种轧制力预测方法，步骤为：(1)采集已有钢种的化学成分和轧制过程中的生产数据；(2)对整理的数据进行异常值和缺失值的识别与填补；(3)对已有钢种的化学成分进行标准化聚类；(4)根据聚类结果对每个类别样本进行机器学习建模训练；(5)实时输入新钢种的化学成分和轧制过程的生产数据并进行清洗；(6)计算新钢种化学成分与各个聚类中心距离，选择距离最近的m个类别；(7)利用m个最近类别的训练模型分别进行轧制力预测，取其平均值作为新钢种预测的轧制力。本发明能更为精准的轧制力预测能更好的进行板材形状和性能控制，从而达到降低不合格产品的风险效用。
-
公开(公告)号：CN119888710A
公开(公告)日：2025-04-25
申请号：CN202510001986.2
申请日：2025-01-02
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请提供一种钢铁行业的物料编码识别系统，系统包括数据获取模块，数据获取模块被配置为获取物料表面的物料编码原始数据集，并对物料编码原始数据集进行预处理，得到物料编码目标数据集；预处理包括图像旋转扩充处理；数据定位模块，数据定位模块被配置为根据物料编码目标数据集进行有效定位处理，得到编码字符区域图像；字符矫正模块，字符矫正模块被配置为对编码字符区域图像进行矫正处理，得到矫正字符区域图像；字符识别模块，字符识别模块被配置为根据矫正字符区域图像进行字符识别，得到至少一个编码字符。本申请通过上述方案解决了现有钢铁行业物料识别技术无法高效的识别任意角度的编码字符的问题。
-
公开(公告)号：CN119281816A
公开(公告)日：2025-01-10
申请号：CN202411611922.6
申请日：2024-11-12
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请提供一种板材柔性轧制工艺优化方法，涉及计算机辅助工程领域，包括数据收集，构建预测模型，构建工艺决策模型，实现智能化柔性轧制。本申请利用AI预测模型对生产过程中产品性能进行实时预测，从而有效免除传统取样检测环节，显著缩短反馈时间。基于预测模型的预测结果，并结合已经实施的工艺措施，构建工艺决策模型将实时输出后续的工艺调整建议。这一创新性方法旨在降低工艺调整的复杂性，提高生产效率，最终实现柔性轧制技术的智能化和高效化，从而更好地满足市场对多样化钢种的需求。
-
公开(公告)号：CN117893806A
公开(公告)日：2024-04-16
申请号：CN202410046063.4
申请日：2024-01-12
Applicant: 东南大学 , 江苏金恒信息科技股份有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/00 , G06N3/08
Abstract: 本发明提供了一种基于YOLOv7网络的钢板表面缺陷检测方法，包括：准备用于训练网络的图片集；对待训练的图片进行分块处理，并写入分块图片及标注框改变后的坐标到对应的xml文件中；基于分块处理后的图片，根据设置好的参数进行训练；基于训练好的模型，前端输入待检测图片并返回检测结果，根据检测结果、图片及其对应的xml文件进行检测框的绘制，并返回给前端。本发明吸收了近两年先进的精细分割算法作为底层基础处理模块，这使得本发明方案在图像预处理和检测中都可以保留更多的细节信息，精细度更高。本发明方案可以在短时间内完成图像的检测和绘制，基本满足实时要求，具有较高的性能，且方便后续的功能扩展。
-
公开(公告)号：CN118735240A
公开(公告)日：2024-10-01
申请号：CN202410706737.9
申请日：2024-06-03
Applicant: 江苏金恒信息科技股份有限公司
IPC: G06Q10/0633 , G06Q10/20 , G06Q50/04 , G06F18/27 , G06F18/10
Abstract: 本申请提供一种球团造球给料量排程方法，包括：获取球团消耗量历史数据；通过差分自回归移动平均模型拟合所述球团消耗量历史数据，以生成预设时段球团计划产量；获取实时球团数据和球团检修计划数据；所述实时球团数据包括当前球团产量和当前剩余时间；所述球团检修计划数据包括计划检修时间；通过所述预设时段球团计划产量与所述当前球团产量，计算剩余计划产量；通过所述剩余计划产量、所述实时球团数据以及所述球团检修计划数据，生成给料量排程数据，所述给料量排程数据包括：当前剩余生产时间、给料速率以及单位时间给料计划量，以解决球团造球给料量依赖人工导致效率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN119779164A
公开(公告)日：2025-04-08
申请号：CN202510004194.0
申请日：2025-01-02
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请提供一种钢板数据跟踪方法及装置，通过同步仪控制相机拍摄和采集钢板图像信息，根据钢板边缘检测算法和所述钢板图像信息计算所述钢板的长度和宽度；通过激光光源向钢板的上下表面发射激光并通过驱动模块驱动线阵CCD组件，以采集上下表面光斑图像信息；通过信号处理模块处理所述上下表面光斑图像信息并根据所述激光光源的角度信息和所述线阵CCD组件的参数信息计算所述钢板的厚度；将所述钢板的长度、宽度、厚度存储至测量数据库；通过跟踪模块从所述测量数据库中获取钢板信息数据，根据所述钢板信息数据和辊道的速度信息生成钢板自动化跟踪数据，以解决钢板数据跟踪不准确及效率低的问题。
-
公开(公告)号：CN119580873A
公开(公告)日：2025-03-07
申请号：CN202411334942.3
申请日：2024-09-24
Applicant: 江苏金恒信息科技股份有限公司
IPC: G16C20/70 , G06F18/214 , G06F18/243 , G06F18/213 , G06F18/10
Abstract: 本申请提供一种基于Stacking模型预测高炉料速的方法及系统，所述方法包括：获取待测高炉的工艺数据；基于工艺数据，对工艺数据进行预处理操作，得到目标工艺数据；基于目标工艺数据，利用随机森林的特征重要性分数模型，得到目标特征；按照预设比例，将目标特征和目标实际料速划分为训练集和测试集；利用训练集对Stacking模型进行训练，得到目标Stacking模型；利用目标Stacking模型对测试集进行预测，生成料速预测值，以解决目前计算高炉炉速只能通过人工手动计算，因操作者的经验水平不同，导致炉速的计算结果的误差较大且不稳定，难以为高炉操作提供可靠指导的问题。
-
公开(公告)号：CN119314574A
公开(公告)日：2025-01-14
申请号：CN202411406976.9
申请日：2024-10-10
Applicant: 江苏金恒信息科技股份有限公司 , 南京钢铁股份有限公司
Abstract: 本发明公开了一种基于随机森林增量预测模型的转炉氧耗优化方法及系统，包括：机器学习模块、增量模型模块和选择计算模块；机器学习模块建立机器学习模型，增量模型模块建立增量模型，选择计算模块选择符合要求的参考炉，根据机器学习模型计算这些参考炉的氧气消耗值，根据增量模型计算当前炉次氧气消耗。本发明能够更精确地捕捉冶炼过程中的复杂变化，从而确保氧气消耗预测的准确性。
-
公开(公告)号：CN119220760A
公开(公告)日：2024-12-31
申请号：CN202411407009.4
申请日：2024-10-10
Applicant: 江苏金恒信息科技股份有限公司
IPC: C21C5/28
Abstract: 本发明公开了一种通过智能火焰识别驱动声呐化渣的音频上限自动调整方法及系统，包括：火焰识别模块和喷溅线位置调整模块；火焰识别模块识别有无喷溅报警情况，喷溅线位置调整模块根据火焰识别有无喷溅报警情况调整喷溅线位置。本发明通过引入火焰识别技术，实现了音频喷溅报警线的自动纠正调整，显著提高了声呐化渣系统的准确性与实用性，使得调整后的音频区间能够精准反映当前炉次冶炼过程中喷溅与返干时炉渣的实际表现效果；通过本发明的应用，现场操作人员能够及时获取准确的炉渣状态信息，从而更加精准地调整氧枪状态，有效避免喷溅和返干现象的发生，不仅提高了炼钢效率，还降低了安全隐患和环境污染风险。
-
公开(公告)号：CN120067588A
公开(公告)日：2025-05-30
申请号：CN202510148828.X
申请日：2025-02-11
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请公开了一种基于专家知识与人工智能的振动预测方法。该方法可以包括：针对振动时间序列进行时间切片，计算每一个时间切片的因子；根据每一个时间切片的因子，获得对应的因子时间序列；建立预测模型，针对振动时间序列与因子时间序列进行预测；根据预测值与实际值计算残差序列，根据残差序列调整预测模型，获得最终的预测模型；其中，因子包括峰值因子、脉冲因子、裕度因子、峭度因子。本发明引入智能化方法，对于时域、频域信号进行时间序列分析处理，减轻人员手工处理负担。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.031 seconds)
